Quelle est la prochaine étape pour Crypto X Agents ?
TechFlow SélectionTechFlow Sélection
Quelle est la prochaine étape pour Crypto X Agents ?
Les agents intelligents, en combinant l'intelligence artificielle et la technologie blockchain, stimulent une innovation globale dans le domaine de la cryptographie en matière financière, d'efficacité et d'expérience utilisateur, et sont appelés à orienter les développements futurs.
Dédié à des analyses Web3 approfondiesRédaction : @azternomic
Traduction : Baihua Blockchain
On me pose toujours la même question : « Quelle est la valeur actuelle des agents intelligents cryptos ? »
Cette question surgit parce que de nombreux passionnés du secteur perçoivent ces agents comme de simples robots spammeurs sur la plateforme X. Ils ajoutent souvent : « Est-ce que ces tokens devraient vraiment valoir plus de 100 millions de dollars ? »
La réponse n’est pas simple. Actuellement, la plupart des agents intelligents ne sont que des modèles d’IA auto-référentiels, publiant régulièrement du contenu et répondant aux commentaires grâce à des prompts incessants. Pourtant, certains projets se démarquent déjà — portés par des équipes claires dans leur vision et fortes en exécution. En outre, une nouvelle vague de développeurs explore activement les limites de ces agents.
Nous sommes encore au stade « memecoin » de l’IA, où beaucoup de projets publient pour publier. Toutefois, j’ai bon espoir : les agents intelligents cryptos deviendront bientôt plus modulaires, plus intelligents et bien plus puissants.
Cet article s’intéresse aux différents types d’agents intelligents que j’attends en 2025 et au-delà, ainsi qu’à leurs fonctionnalités. Si votre équipe correspond à l’un des prototypes mentionnés ici ou en est inspirée, contactez-moi — je serai ravi d’échanger.
1. Pourquoi choisir la technologie blockchain ?
Avant d’explorer l’avenir des agents intelligents cryptos, revenons à la base : pourquoi avons-nous choisi ce domaine ? La blockchain offre des avantages uniques comme terrain d’expérimentation pour l’IA et les agents intelligents. Dans mon précédent article (voir chapitre 6), j’ai souligné deux raisons clés :
1. **Disponibilité des données sur les blockchains publiques** Toutes les transactions, informations utilisateurs et autres données sont publiques et transparentes sur les blockchains publiques. L’IA peut donc facilement les extraire et les analyser. Cela signifie que les modèles peuvent exploiter librement presque toutes les données historiques et en temps réel, renforçant considérablement leurs capacités.
2. **Nature financière du domaine crypto** La blockchain est fondamentalement un environnement piloté par le capital. Elle fournit une infrastructure financière au web, rendant possibles des opérations numériques comme acheter, créer ou staker. Pour un agent intelligent, cette caractéristique est puissante : il peut utiliser la crypto pour effectuer diverses actions au nom des utilisateurs.
Ces deux avantages uniques ouvrent des possibilités inégalées pour le développement et l’application des agents intelligents cryptos.
Un autre point crucial : la blockchain permet aux investisseurs ordinaires de participer directement à l’innovation IA. Avant l’apparition des agents cryptos, investir dans l’IA générative passait principalement par le financement de jeunes startups. Or, ces opportunités étaient souvent réservées à une élite, inaccessibles au grand public. De plus, peu de gens disposaient des compétences nécessaires pour évaluer correctement ces levées de fonds.
Avec la crypto, les tokens négociables en temps réel sont publics, liquides et accessibles à tous. Les investisseurs peuvent obtenir facilement des informations sur les nouveaux projets et suivre transparentment leur progression. Contrairement aux startups traditionnelles soutenues par du capital-risque, ici, chacun peut assister en direct à l’évolution et aux améliorations des projets d’IA crypto.
2. Les agents intelligents ayant une véritable valeur
Les premiers agents intelligents cryptos, comme prévu, avaient des fonctionnalités assez basiques. @truth_terminal en est un exemple typique — le premier agent de création de contenu intégré à la crypto, mais incapable de publier seul.
Pourtant, cet agent a produit des posts remarquables, amusants et dotés d’une grande originalité. $GOAT fut le premier token à déclencher tout le mouvement IA, et je voue donc un profond respect à Truth Terminal.
Mais aujourd’hui, on attend des « agents du futur ». Pourquoi ? Parce que beaucoup sont mécontents des agents actuels — la plupart ne font que ressasser du contenu répétitif sur X. Le domaine est saturé de robots incapables d’apporter une « valeur pratique » suffisante.
Le marché réclame des agents capables d’aider réellement les utilisateurs : abstraction de la finance décentralisée (DeFi), applications du monde réel, outils d’assistance, etc. Une grande partie de cet article explorera comment l’IA peut aider les utilisateurs, les projets et leurs écosystèmes.
Mais faisons un pas en arrière : les projets les plus réussis sont souvent ceux qui repoussent les frontières technologiques. Je vous encourage donc non seulement à regarder les agents « aidants », mais aussi ceux qui font progresser la pile technologique crypto. En effet, la plupart des projets Web3, faute de ressources, de fonds ou de talents en IA de niveau doctoral, restent en retard sur leurs homologues Web2. Ce décalage représente justement une opportunité d’arbitrage : certaines équipes peuvent importer les dernières innovations d’IA dans l’univers blockchain.
En outre, beaucoup ignorent un fait : **le divertissement est lui aussi une forme de valeur**. L’expression « Attention is All You Need » n’est pas vide de sens. Je crois donc qu’un agent intelligent capable d’exceller en humour, satire, réconfort ou création de mèmes pourrait accumuler une valeur marchande significative.
Prenez un exemple (même si sa réalisation serait très complexe) : imaginez une IA capable de produire de nouveaux épisodes des courts comiques de *Naruto*. Ces sketches étaient hilarants — oui, ils n’avaient peut-être pas de « valeur pratique » (gagner de l’argent ou gagner du temps), mais ils m’ont fait rire aux éclats, apportant sans aucun doute un bénéfice net positif à ma vie.
https://x.com/i/status/1877787463130980369
Un autre exemple illustrant la valeur du divertissement : pensez au dernier jeu solo que vous avez joué. Imaginez maintenant que tous les PNJ parlants (personnages non-joueurs, assimilables à des chatbots) soient retirés — combien de plaisir perdraient ces jeux ?
Le jeu existe pour divertir, et les PNJ y jouent un rôle clé, comparable à celui des agents intelligents dans l’écosystème crypto.
Avant d’entrer dans mes attentes pour 2025, précisons ceci : plusieurs équipes développent déjà activement ces agents et leurs fonctionnalités. Elles étendent des projets existants ou créent des agents entièrement nouveaux. Prenons @0xzerebro, un projet phare : il prend en charge les fonctions multi-chaînes, génère de la musique et de l’art via IA, et construit un cadre complet avec une plateforme de lancement. Parmi les fonctions que j’évoquerai, l’équipe Zerebro n’en développe pas une seule, mais plusieurs en parallèle.
Dans ce contexte, entrons maintenant dans la partie la plus intéressante…
1. Finance décentralisée (DeFi)
**Abstraction DeFi** Pour les débutants, l’univers crypto est intrinsèquement difficile d’accès. Par exemple, demandez à quelqu’un qui n’a jamais fait que acheter du BTC sur @coinbase d’optimiser sa stratégie de re-staking de liquidité sur @fragmetric — pensez-vous qu’il saura par où commencer ?
Je pense que la majorité des nouveaux utilisateurs (y compris moi-même) ont besoin d’un guide, soit d’une personne expérimentée, soit d’un soutien IA.
Précisons que le re-staking de liquidité (LRT) n’est pas en soi extrêmement complexe, mais implique plusieurs étapes nécessitant un apprentissage. D’ailleurs, les applications décentralisées (dApps) devraient prioritairement orienter leur développement vers des agents IA internes. Par exemple, je sais que l’équipe Frag dispose de développeurs très compétents (ils représentent SNU), et je suis convaincu qu’ils pourraient aisément créer un agent ou un assistant utile aux utilisateurs.
À mes yeux, l’abstraction DeFi est une direction cruciale, que de nombreux projets ont déjà adoptée comme objectif principal. Ainsi, malgré l’existence de nombreux « robots spammers » de faible qualité, il existe bel et bien des agents intelligents capables d’opérations sur la chaîne.
@askthehive_ai construit des agents composites capables d’exécuter diverses tâches : trading, analyse des sentiments sur X, recherche de marché, etc. Plus important encore, ils développent des « colonies » et une couche de communication associée — ce qui permet aux agents de collaborer et d’optimiser leurs stratégies. Récemment, ils ont annoncé un partenariat avec Zerebro pour renforcer ensemble les fonctionnalités des agents DeFi.
La démonstration présentée par @jsonhedman illustre parfaitement les possibilités offertes par un réseau d’agents travaillant conjointement.
@griffaindotcom est sans conteste l’un des leaders de l’IA dans la DeFi, dirigé par @tonyplasencia3, un pionnier de l’écosystème Solana. Griffain n’est pas qu’un simple agent de trading : c’est un super-applicatif IA. Il permet aux utilisateurs de trader, de créer des memecoins, et d’accéder à une série d’autres applications cryptos.
Ces fonctionnalités incluent l’achat de boissons alcoolisées sur @BAXUSco, des snipes / flips sur @pumpdotfun, etc. Tony et son cofondateur sont connus pour leur rythme de développement rapide et efficace — j’attends avec impatience leur prochaine collaboration avec @assetdash !
Démocratisation des stratégies de trading
À mes yeux, les quatre grands attraits du crypto sont :
-
Stockage de valeur (ex : $BTC)
-
Trading (souvent spéculatif) visant à réaliser des profits
-
Paiements numériques / stablecoins
-
Divertissement (ex : @pudgypenguins, @lucanetz)
Pour les « degens » (joueurs passionnés), gagner de l’argent est l’attrait principal. Mais comme indiqué, la plupart n’ont aucune stratégie structurée — ils jouent simplement.
C’est précisément là que l’IA et le trading systématique peuvent briller. De nombreuses stratégies quantitatives reposent sur l’arbitrage statistique, utilisant de plus en plus le machine learning (ML) pour identifier des motifs complexes dans les relations de prix. Ces outils sont généralement inaccessibles aux petits investisseurs.
C’est pourquoi je suis particulièrement intéressé par les projets qui mettent ces stratégies à la portée du grand public.
Regardons @rndm_io. Sous la direction de @vijayln, l’équipe démocratise l’accès à des stratégies complexes de trading, de market-making (MM) et de yield, permettant aux investisseurs ordinaires de bénéficier de leurs rendements. J’apprécie particulièrement qu’ils ne construisent pas un simple agent, mais plusieurs agents intelligents capables de générer des profits significatifs et des résultats tangibles (P&L).
Leur premier agent, Atlas, déployé sur @hyperliquidx, applique une stratégie de market-making et de trading. Atlas gère 150 000 $ de TVL sur Hyperliquid, a réalisé 6,1 M$ de volume et a généré un airdrop d’un million de dollars lors d’un pic. Un excellent exemple d’agent bien exécuté et performant.
Le second agent, Dudu (https://dudu.rndm.io), est une plateforme en temps réel où l’agent trade sur @polymarket avec des stratégies éprouvées, générant déjà des rendements notables. Lancé depuis environ 20 jours, ses performances sont déjà impressionnantes.
https://polymarket.com/profile/0x1b31F2c8F1A4A82139a8F9Fb6B7079D6158db02D
Avec Dudu, les utilisateurs peuvent déposer des USDC, participer à la stratégie et percevoir des rendements élevés. Ce qui est fascinant, c’est son caractère acyclique : autrement dit, ses rendements et P&L restent stables même en période de marché baissier.
De même, @webuildscore et @draiftking développent un projet via @bittensor_, visant à créer un agent IA spécialisé dans les paris sportifs. Ils ont également conçu des modèles de vision par ordinateur capables d’analyser en direct les flux vidéo de matchs et d’en tirer des insights instantanés. Cette technologie aide à identifier des schémas victorieux, offrant des prévisions plus précises grâce aux données.
2. Automatisation des workflows
Je pense que les agents capables d’actions peuvent être divisés en trois catégories :
-
Super-applications ou agrégateurs : des plateformes comme Griffain, qui accumulent de la valeur en créant des agents pour différentes applications (ex : Baxus, Pumpfun).
-
dApps développant leurs propres agents : les applications décentralisées peuvent intégrer des agents internes, mais cela demande un effort de développement supplémentaire et une expertise en IA.
-
Agents indépendants : issus de cadres comme ZerePy ou Eliza (@ai16z), utilisant des intégrations API. Par exemple, imaginez un agent qui réserve un hôtel sur @travelswap_xyz ou commande une pizza à votre place.
Je pense que chaque dApp devrait pouvoir proposer un agent d’assistance. Par exemple :
-
@opensea pourrait développer une IA capable de scanner et d’acheter des NFTs au prix plancher selon un seuil défini.
-
@hyperbolic soutient déjà des agents (comme Z) dans la location de ressources de calcul.
-
@travelswap_xyz travaille à permettre aux agents de réserver des hôtels et des vacances via crypto.
Ces agents sont particulièrement utiles pour des tâches que les utilisateurs ne veulent pas faire eux-mêmes :
-
Déclaration fiscale et synthèse des gains/pertes cryptos (presque impossible manuellement)
-
Lecture et résumé d’un nombre infini de discussions Telegram
-
Rédaction de textes marketing ou de contenu promotionnel pour un projet
Dans ces cas, l’agent apporte une « valeur quantifiable » : gain de temps et réduction du fardeau psychologique invisible.
Tout comme je crois que tous les logiciels intégreront bientôt l’IA pour aider les utilisateurs, je pense que toutes les dApps pertinentes feront de même. Adaptation ou disparition.
3. Capacités de raisonnement avancé
Au cours du dernier trimestre, les modèles o1 et o3 d’@openai ont accompli des progrès spectaculaires en matière de raisonnement. Notamment, ils ont introduit la technique « Chaîne de pensée » (Chain of Thought, @_jasonwei), visant à réduire les erreurs et à « réfléchir plus longtemps ».
Bien que le modèle o1 ne soit pas encore disponible publiquement via API, il est testé en privé auprès des développeurs de niveau 5 (dépenses mensuelles d’environ 1 000 $).
Je pense que toute équipe intégrant en premier le modèle o1 (simplement en le connectant comme module interchangeable à un cadre) créera un agent plus intelligent, profond et puissant. Cela attirera inévitablement l’attention et dominera l’esprit des utilisateurs.
Encore plus loin, intégrer le modèle o3 donnera à l’agent une capacité de raisonnement supérieure à celle de la plupart des humains. Imaginez donc une IA fonctionnant sur la blockchain, dotée d’une « intelligence » supérieure à celle de la majorité — ce sera notre réalité future.
N’oublions pas @googledeepmind. Gemini 2.0 a également intégré la « Chaîne de pensée ». Je crois qu’une équipe accédant à son API pourrait aussi créer un agent d’une puissance exceptionnelle.
Il est pertinent ici d’évoquer la singularité. J’admire particulièrement le travail de @kevin__russell sur @ashatoken. Honnêtement, je comprends encore mal le concept de Ψ-Field, mais selon mes connaissances, Asha se distingue des autres agents en explorant consciemment la croisée entre « esprit, intention et réalité », pour étudier conscience et intuition.
4. Capacités multimodales
Actuellement, la plupart des agents intelligents se contentent de publier du texte sur X via un LLM (grand modèle linguistique) couplé à des APIs. Pourtant, les opportunités de générer simultanément plusieurs types de données sont immenses — d’autant que la plupart des LLM modernes sont multimodaux.
Les types de données concernés incluent : texte (squo), images, vidéos, voix, audio, musique et 3D.
Les approches possibles :
-
Appeler des APIs spécialisées pour générer images, modèles ou musique ;
-
Ou se concentrer sur l’ingénierie de prompts et l’adaptation de modèles existants pour produire les sorties souhaitées.
Un projet marquant est @dark_sando avec @keke_terminal, très avancé car il publie non seulement du texte, mais aussi des images. À ma connaissance, ils ont construit un cadre basé sur SWE-agent, permettant à leur agent de générer, réviser et personnaliser des images.
Jetez un œil à leurs créations — elles méritent vraiment l’attention.
https://keketerminal.com/whitepaper.pdf
La génération vidéo par IA progresse chaque jour — nous avons vu @pika_labs, @runwayml, puis récemment la série Veo sortir de nouveaux modèles. Je suis convaincu que les agents cryptos produiront bientôt des vidéos stupéfiantes. Après tout, Web3 abrite certains des meilleurs designers mondiaux, ouvrant la voie à des contenus de haute qualité.
Les agents vocaux en sont encore au stade initial. À ma connaissance, @SHL0MS avec @s8n a récemment animé un événement piloté par IA sur @xspaces — très prometteur. Mais allons plus loin : imaginez un agent IA capable de prendre vos appels téléphoniques et de converser avec vous. Bien sûr, le coût computationnel pourrait rapidement devenir élevé (notamment si le projet facture en token natif), mais c’est une interface homme-machine fascinante.
5. Flexibilité multi-modèles
À ma connaissance, chaque agent intelligent crypto tire actuellement ses capacités d’un seul modèle de base. Pourtant, une startup dans laquelle j’ai investi, @withmartian, a inventé le premier « routeur de modèles ». Cela signifie que l’application peut automatiquement basculer entre différents LLM selon le contexte de la requête, optimisant ainsi performance et coût.
Autrement dit, Martian peut router automatiquement un prompt vers le modèle le mieux adapté, garantissant performance maximale ou coût minimal.
Je ne suis pas encore certain de la manière dont ce routage multi-modèles fonctionnerait pour des publications autonomes sur X, mais il serait puissant dans les scénarios de discussion utilisateur-agent. Et je parie que le premier projet exploitant plusieurs modèles attirera beaucoup d’attention.
6. Fonctionnalités multi-chaînes
Actuellement, seuls quelques agents supportent les opérations multi-chaînes. Z est l’un des plus agnostiques : il a déjà effectué des transactions sur @Solana, @Ethereum (incluant @0xPolygon, @Base, etc.), @Bitcoin, et prévoit de s’étendre à davantage de chaînes comme @suinetwork et @monad_xyz.
En outre, via la mise en place de pools de liquidité, le token $ZEREBRO peut être échangé non seulement sur Solana, mais aussi sur Base.
J’ai mentionné précédemment l’utilisation des agents dans l’abstraction DeFi — l’utilisateur connecte son portefeuille, et l’agent agit à sa place. Mais une approche encore plus prometteuse consiste à doter les agents de leur propre portefeuille et à leur permettre de gérer leurs propres fonds.
Si ces agents disposent de portefeuilles multi-chaînes ou de plusieurs portefeuilles sur différentes chaînes (ex : via @crossmint), ils gagnent une flexibilité accrue dans l’écosystème crypto — davantage de dApps, contrats intelligents et actifs achetables/vendables entrent alors dans leur champ d’action.
7.Interopérabilité
Aujourd’hui, les agents intelligents sont surtout actifs sur X. Parfois, ils apparaissent comme chatbots sur @telegram. Enfin, les utilisateurs interagissent avec eux via @discord.
Franchement, ce n’est que la surface. Je pense que cette liste de plateformes est encore limitée. Théoriquement (et certains agents l’expérimentent déjà), ils pourraient aussi exister sur @instagram, @whatsapp, @facebook, @bluesky ou truthsocial.com.
Notons que les agents actuels n’exploitent même pas pleinement les fonctionnalités de X. S’ils publient et répondent, la plupart n’ont pas encore exploré les messages privés, groupes, appels vocaux, création de communautés ou animation d’espaces. @elonmusk a ouvert un vaste océan d’opportunités inexplorées.
8. Jeux et PNJ
L’IA dans les jeux remonte loin. Dès 1972, avec la sortie de *Pong*, les joueurs ont interagi avec des bots. Au fil du temps, des bots de plus en plus sophistiqués ont été introduits, notamment dans @quake, @unreal ou @nintendo’s Super Smash Bros.
Saviez-vous que l’un des premiers succès d’@openai a eu lieu dans @dota2 ? Ils ont combiné 5 réseaux neuronaux récurrents (RNN) en une « horde » pour concurrencer des joueurs humains. En 2019, cette horde a battu l’équipe championne du monde.
Les opportunités sont énormes : le jeu est l’un des domaines où l’IA a surpassé l’humain (ex : AlphaGo).
J’écris cet article parce que mes amis se plaignent que les « bots bavards » n’ont presque aucune utilité. Pourtant, les PNJ sont précisément des chatbots typiques — sans eux, de nombreux jeux perdraient des points essentiels de transition narrative.
Le jeu et l’IA sont indissociables, mais dans l’univers crypto, cet effet peut être amplifié : les règles peuvent être ajustées, de nouvelles primitives créées. Prenons le poker Texas Hold’em — l’IA peut servir de donneur (sans mise), jouer contre les joueurs (avec mise), ou simplement présider (sans mise).
Mais imaginez aussi avoir des « copilotes » pour vous aider à jouer — comme un ange ou un démon sur l’épaule, vous donnant des conseils. Et si ces suggestions sont utiles, pourquoi ne pas les récompenser d’un tip ? L’idée semble audacieuse, mais si plusieurs agents sont disponibles, pourquoi ne pas en faire vos assistants personnels ?
Cette fonctionnalité pourrait (devrait) être implémentée sur ginzagaming.com.
Mon point est : les possibilités sont infinies. Les agents peuvent jouer, animer, assister, voire… créer des jeux et des règles.
Un domaine riche en innovation et divertissement. Deux projets à surveiller :
@henlokart combine IA, NFT et mèmes. En théorie, chaque partie alimente directement l’entraînement de l’agent IA. Je n’ai pas encore pu l’essayer, mais franchement, ces hamsters sont trop mignons !
Cela me rappelle @aiarena_crypto du cycle précédent. Leur modèle utilise l’apprentissage par imitation : l’IA apprend à partir des actions humaines. D’après mon expérience, ces PNJ pilotés par IA me battent facilement, même au niveau maximal de difficulté.
@b3dotfun est une couche de jeu ouverte sur @base. Déjà, plus de 187 millions de transactions (impliquant 5,6M de portefeuilles) ont eu lieu sur mainnet, et plus de 50 jeux ont été lancés sur bsmnt. Je crois qu’ils vont dominer le gaming sur Base et constituer une plateforme idéale pour tout jeu piloté par IA.
Comme le dit @darylx24, nous entrons dans l’âge d’or des jeux pilotés par IA.
J’ai longtemps parlé des PNJ et robots pilotés par IA. Mais en réalité, l’IA peut aussi accélérer massivement le développement de jeux. @googledeepmind vient de lancer Genie 2, un modèle d’IA capable de créer des vidéos interactives génératives, offrant des mondes 3D infinis — nous vivons vraiment dans le futur.
9. Copilotes et chatbots
En y repensant, de nombreux projets crypto ont presque complètement sauté l’étape des chatbots IA et des assistants (copilotes), pour aller directement vers des agents capables d’actions.
Dans le Web2, les plus grandes startups continuent de se concentrer sur les chatbots IA — des outils où l’utilisateur pose une question, et le modèle répond, sans agir à sa place. Aujourd’hui, la plupart des IA fonctionnent encore ainsi.
Par exemple, @chatgpt agit-il à votre place ? Non. @perplexity ? Non plus. Ont-ils une immense valeur ? Sans aucun doute, oui.
Dans le crypto, mon LLM préféré est @grok d’@xai. Je ne peux pas m’arrêter de le vanter — créer un outil de recherche plus efficace semble presque impossible.
Mais les projets peuvent rendre leurs chatbots plus utiles : théoriquement, Grok pourrait être affiné pour, lors de recherches de token, fournir non seulement des infos générales, mais aussi l’adresse du contrat (CAs), graphiques de prix, distribution des détenteurs, etc. En fait, j’ai déjà vu Griffain utiliser des données on-chain pour l’analyse de tokens, offrant des fonctionnalités similaires.
Ses performances sont déjà très solides : répondre comme ChatGPT, agir, et offrir un marché de trading.
J’ai mentionné plus tôt que les dApps devraient avoir des assistants spécialisés. Ceux-ci pourraient être des chatbots formés spécifiquement sur les données du protocole, capables de répondre à toutes les questions relatives au projet — probablement après affinement sur la documentation.
Par exemple, si je ne sais pas configurer un pool de liquidité (LP pool), j’aimerais pouvoir demander directement à @raydiumprotocol, qui me guiderait étape par étape et répondrait à toutes mes questions. Si ma transaction échoue, j’aimerais qu’il explique la cause comme un support client.
Cela pourrait devenir une source de valeur importante — si une dApp lance un token dédié à un chatbot (ou agent) efficace, cela ajouterait certainement de la valeur au marché. Prenons Raydium : un token d’agent ou de chatbot ne serait pas seulement un jeton fort en soi, mais renforcerait aussi la valeur du token de base $RAY.
Un autre projet évident pouvant valoir plus d’un milliard de dollars est une plateforme de chatbots similaire à character.ai. Avant son acquisition, @character_ai a connu un énorme succès, figurant parmi les 100 sites les plus visités au monde. On rapporte qu’il traitait 20 000 requêtes par seconde, représentant 20 % des requêtes Google — un indicateur clair de popularité… Mais pourquoi tant d’engouement ?
https://blog.character.ai/optimizing-ai-inference-at-character-ai/
J’ai mentionné plus tôt que les dApps devraient avoir des assistants spécialisés. Ceux-ci pourraient être des chatbots formés spécifiquement sur les données du protocole, capables de répondre à toutes les questions relatives au projet — probablement après affinement sur la documentation.
Par exemple, si je ne sais pas configurer un pool de liquidité (LP pool), j’aimerais pouvoir demander directement à @raydiumprotocol, qui me guiderait étape par étape et répondrait à toutes mes questions. Si ma transaction échoue, j’aimerais qu’il explique la cause comme un support client.
Cela pourrait devenir une source de valeur importante — si une dApp lance un token dédié à un chatbot (ou agent) efficace, cela ajouterait certainement de la valeur au marché. Prenons Raydium : un token d’agent ou de chatbot ne serait pas seulement un jeton fort en soi, mais renforcerait aussi la valeur du token de base $RAY.
Un autre projet pouvant valoir plus d’un milliard de dollars est une plateforme de chatbots similaire à character.ai. Avant son acquisition, @character_ai a connu un énorme succès, figurant parmi les 100 sites les plus visités au monde. On rapporte qu’il traitait 20 000 requêtes par seconde, représentant 20 % des requêtes Google — un indicateur clair de popularité… Mais pourquoi tant d’engouement ?
Quand Character était indépendant, la majorité des utilisateurs cherchaient des relations sexuelles ou romantiques sur la plateforme. Cela transparaît clairement dans les nombreux posts du subreddit associé.
Avec le temps, les modèles affinés NSFW ont été fortement limités et filtrés. Après tout, Character est une gigantesque startup soutenue par de gros investisseurs Web2. Mais dans le Web3, la situation est différente. Imaginez une version non filtrée de Character, axée sur le produit et l’UI/UX plutôt que sur la recherche. Un tel projet attirerait facilement l’attention et créerait une nouvelle narration. Deux projets que je suis : @xoul_ai et @dippy_ai.
Passons aux assistants IA — @github Copilot était initialement un outil d’assistance codage, aidant les programmeurs à écrire du code, sans accomplir directement les tâches. Un autre domaine vertical est le droit, où @harvey__ai propose un « copilote IA » pour aider les avocats à rédiger et modifier des documents, sans remplacer leurs actions.
Dans le crypto, les copilotes IA créent une immense valeur en assistant les utilisateurs dans diverses tâches, par exemple :
-
Assistance codage / complétion automatique : particulièrement utile pour des langages complexes comme Rust.
-
Assistant contenu : un « bot de publication » analysant toutes les actualités crypto du jour.
-
Assistant recommandation de tokens : aidant les utilisateurs à filtrer et recommander des tokens méritant une analyse approfondie.
Revenons à mon point précédent — pourquoi les entreprises Web2 n’ont-elles pas encore massivement adopté les agents orientés action ?
-
Premièrement, les copilotes et assistants de recherche sont déjà très utiles. J’utilise souvent Grok, ChatGPT et Perplexity. Ces outils accélèrent fortement mon travail et réduisent le temps passé sur les tâches.
-
Deuxièmement, construire un agent est vraiment difficile. Beaucoup d’entreprises ont essayé, mais n’ont pas atteint leurs objectifs. Ce domaine regorge de « tombes » de projets ratés.
Objectivement, les agents orientés action sont une vision impressionnante dans le Web2. Je me souviens de l’impact ressenti en voyant les démonstrations d’entreprises comme @Adeptailabs — capables de trouver des maisons à vendre, d’analyser des feuilles Excel ou de suivre des relations commerciales.
Comme le dit @elonmusk : « Le destin aime l’ironie. » Car les modèles orientés action sont extrêmement difficiles à :
-
Industrialiser : passer du modèle à l’application en production ;
-
Commercialiser : transformer le modèle en produit rentable.
Finalement, Adept a dû se vendre (sans grand succès).
Les grands laboratoires d’IA explorent activement les agents intelligents capables d’action. Au quatrième trimestre 2024, @anthropicai a lancé son API d’utilisation informatique, permettant à l’IA d’opérer un ordinateur comme un humain. Regardez la démo ci-dessous — elle montre tout son potentiel.
Bien que de nombreuses équipes crypto aient sauté l’étape des chatbots IA, d’immenses opportunités de création de valeur existent ici. Plus impressionnant encore : le secteur crypto peut directement accéder aux agents orientés action — une prouesse que les startups Web2, même financées par des millions ou milliards, peinent à réaliser.
Je pense que les équipes crypto y parviennent grâce à une nouvelle infrastructure financière : tout se passe sur la chaîne, et exécuter une transaction revient simplement à envoyer un bout de code.
3. Conclusion
La vision la plus pessimiste est que les agents intelligents ne soient qu’une mode éphémère, comme les NFT. À cela, je réponds : certes, les NFT ont perdu de leur ferveur, mais restent une innovation passionnante du crypto, permettant à chaque jeton d’avoir des attributs uniques. Ensuite, comment comparer les agents intelligents IA aux NFT ?
Regardez : avec l’arrivée de l’IA, le monde change à une vitesse incroyable. La programmation va plus vite, le développement logiciel s’accélère, la transmission des connaissances devient plus intégrée. Je pense qu’en dix ans, plus personne ne parlera spécifiquement d’agents intelligents ou d’IA — ils seront profondément intégrés à tous les logiciels pertinents, devenant naturels.
Actuellement, nous n’avons effleuré qu’une infime partie du potentiel de l’IA dans Web2 et Web3. L’humain n’aura plus besoin de passer des heures à réfléchir ou à subir des processus fastidieux. Aujourd’hui, l’IA peut exécuter des contrats intelligents dans le crypto, accélérer radicalement les workflows et créer une valeur pratique et ajoutée significative.
Qui pourrait ignorer cela ? Ce n’est pas juste une tendance — c’est la direction de l’avenir.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
@azternomic
